Začněte nyníZačněte zdarma

Klasifikace záměrů pomocí sklearn

Pole X s vektory popisujícími jednotlivé věty z datasetu ATIS a jednorozměrné pole y s odpovídajícími štítky už máš připravené. Štítky jsou celá čísla odpovídající záměrům v datasetu – například štítek 0 odpovídá záměru atis_flight.

Teď použiješ knihovnu scikit-learn k natrénování klasifikátoru na tomto datasetu. Konkrétně natrénuješ a vyhodnotíš klasifikátor na principu support vector machine.

Toto cvičení je součástí kurzu

Building Chatbots in Python

Zobrazit kurz

Pokyny k cvičení

  • Importuj třídu SVC z modulu sklearn.svm.
  • Vytvoř instanci klasifikátoru clf zavoláním SVC s jediným pojmenovaným argumentem C o hodnotě 1.
  • Natrénuj klasifikátor na trénovacích datech X_train a y_train.
  • Předpověz štítky testovací sady X_test.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Import SVC
____

# Create a support vector classifier
clf = ____

# Fit the classifier using the training data
____

# Predict the labels of the test set
y_pred = ____

# Count the number of correct predictions
n_correct = 0
for i in range(len(y_test)):
    if y_pred[i] == y_test[i]:
        n_correct += 1

print("Predicted {0} correctly out of {1} test examples".format(n_correct, len(y_test)))
Upravit a spustit kód